深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
7501	2026-03-11	Maritime traffic congestion identification and ship trajectory prediction using temporal graph convolutional networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342781 PMID:41801924	研究论文	本研究提出了一种基于AIS数据的船舶轨迹预测与海上交通拥堵识别的综合框架	结合图卷积网络与门控循环单元构建了时空图卷积网络模型，并引入了基于速度性能指数的拥堵测量指标	NA	提升海上交通管理效率与安全性	海上船舶轨迹与交通流量	机器学习	NA	自动识别系统数据采集	GCN, GRU, T-GCN	时空序列数据	NA	NA	时空图卷积网络	NA	NA
7502	2026-03-11	Perceptions of Group Work on Student Learning in Entry-Level Physical Therapist Education: A Qualitative Study 2026, Journal of allied health DOI:10.21091/jah.2026.01002 PMID:41802948	研究论文	本研究通过定性内容分析方法，探讨了物理治疗专业学生对小组工作如何影响其学习的看法	采用半结构化焦点小组访谈，深入分析学生对小组工作教育价值的感知，揭示了设计、个人成长和知识范围三个主要主题	样本量较小（n=7），且为定性研究，结果可能无法推广到更广泛的物理治疗教育背景	探索小组工作对学生学习的影响，以优化物理治疗教育中的教学策略	物理治疗专业的学生	NA	NA	NA	NA	定性访谈数据	7名学生	NA	NA	NA	NA
7503	2026-03-11	ARTIFICIAL INTELLIGENCE IN CLINICAL DIAGNOSTICS FOR EARLY DETECTION OF CHRONIC DISEASES: A SYSTEMATIC REVIEW 2026-Jan, Georgian medical news PMID:41804133	系统综述	本文系统综述了人工智能在慢性疾病早期临床诊断中的应用，总结了相关证据	系统性地综合了2020年至2025年间关于AI在多种慢性疾病早期诊断中的最新研究，并特别关注了混合AI模型的应用	研究存在数据集异质性、回顾性研究设计、外部验证有限以及报告不一致等问题，限制了结果的普适性	评估人工智能在慢性疾病早期检测中的诊断准确性、风险预测和临床决策支持能力	涵盖代谢/心脏代谢疾病、肌肉骨骼疾病、肺部疾病、癌症/血液疾病、神经退行性疾病以及眼科/牙科疾病等多种慢性疾病	机器学习	慢性疾病	NA	混合AI模型, 机器学习, 深度学习	实验室数据, 临床数据, 影像数据	32项研究	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
7504	2026-03-11	Random Neural Networks for Rough Volatility 2026, Applied mathematics and optimization IF:1.6Q2 DOI:10.1007/s00245-026-10392-5 PMID:41804376	研究论文	本文构建了一种基于深度学习的数值算法，用于求解粗糙波动率背景下产生的路径依赖偏微分方程	将PDE解释为BSDE的解，并采用储层类型的神经网络构建优化问题，证明了理论收敛性	NA	解决粗糙波动率模型中的路径依赖偏微分方程数值求解问题	路径依赖偏微分方程	机器学习	NA	深度学习	储层神经网络	NA	NA	NA	储层神经网络	NA	NA
7505	2026-03-11	Renal Cell Type and State Estimation in Brightfield Histology Images: A Pilot Study on Diabetic Nephropathy 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047996 PMID:41799653	研究论文	本研究提出了一种基于深度学习的两阶段流程，用于从亮视野组织学图像预测细胞类型/状态，旨在提升糖尿病肾病的诊断和预后评估	结合图像到文本检索网络和视觉语言模型，利用CONCH模型从亮视野图像生成组织病理学文本提示，并通过回归头预测细胞类型/状态比例，相比仅使用图像输入的模型有显著性能提升	研究为试点性质，样本来源单一（印第安纳大学收集的糖尿病肾病样本），且仅针对四种组织结构类型进行分类，可能缺乏泛化性	开发机器学习流程，从亮视野组织学图像预测细胞类型/状态，以弥补多组学数据在临床中的昂贵和不可及性	糖尿病肾病患者的10X Visium空间转录组学福尔马林固定石蜡包埋全切片图像	数字病理学	糖尿病肾病	空间转录组学（10X Visium），亮视野显微镜	深度学习模型	图像，文本	未明确指定样本数量，但来自印第安纳大学收集的糖尿病肾病样本集	未明确指定，但提及CONCH、ViT、ResNet等模型架构	CONCH, ViT, ResNet	均方误差	NA
7506	2026-03-11	Deep Learning for Brain Tumor Classification 2017-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2254195 PMID:41799012	研究论文	本研究应用深度学习方法来分类脑部图像中的不同肿瘤类型：脑膜瘤、胶质瘤和垂体瘤	采用更通用的深度学习方法，无需图像扩张和肿瘤环状子区域处理，即可超越需要这些专门步骤的方法	研究仅使用轴向平面的图像，以避免不同平面图像对神经网络的混淆，这可能限制了模型对多平面信息的利用	应用深度学习方法对脑部肿瘤图像进行分类	脑部MRI图像中的脑膜瘤、胶质瘤和垂体瘤	计算机视觉	脑肿瘤	T1加权对比增强MRI	CNN, 全连接神经网络	图像	来自191名患者的989张轴向MRI图像	NA	NA	五折交叉验证准确率	NA
7507	2026-03-10	DAUS-Net: Toward Ultrasound Scanner-Agnostic Domain Generalized Robust and Accurate Segmentation 2026-May, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251388454 PMID:41449845	研究论文	本文提出了一种名为DAUS-Net的超声图像分割网络，旨在实现与超声扫描设备无关的、鲁棒且准确的乳腺肿瘤分割	将深度频率滤波模块集成到U-Net架构中，并在潜在空间进行自适应频率成分选择，同时用实例归一化替代批量归一化以移除设备相关的风格特征，从而提升模型对不同超声设备的泛化能力	研究仅针对乳腺肿瘤分割任务在三个公共数据集上进行了验证，尚未在更多疾病类型或更大规模的临床数据中测试其泛化性能	开发一种不依赖于特定超声扫描设备的通用分割模型，以降低模型部署成本并解决医疗影像中数据采集昂贵的问题	超声图像中的乳腺肿瘤	数字病理	乳腺癌	超声成像	CNN	图像	三个公共数据集（具体样本数未在摘要中说明）	未明确说明	U-Net（集成深度频率滤波模块）	Dice系数	NA
7508	2026-03-10	Self-supervised learning for aflatoxin B1 detection using masked spectra 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148342 PMID:41679220	研究论文	本研究提出了一种基于自监督学习的策略，用于花生和玉米中黄曲霉毒素B1的准确检测	创新性地将光谱重建误差用作波长注意力机制，并与自监督学习阶段的微调编码器集成，开发了分类模型，同时基于光谱重建误差选择关键波长	NA	开发一种高效的小样本光谱检测方法，用于黄曲霉毒素B1的检测	花生和玉米中的黄曲霉毒素B1	机器学习	NA	光谱检测	自监督学习, 深度学习	光谱数据	NA	NA	NA	准确率	NA
7509	2026-03-10	Near- and Mid-Infrared Spectroscopy for the Rapid and Non-Destructive Analysis of Wheat Flour and Wheat-Based Products: A Review 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148379 PMID:41691843	综述	本文综述了近红外和中红外光谱技术在小麦粉及其制品快速、无损分析中的应用进展	整合光谱技术与化学计量学及机器学习方法，提高了预测精度和稳健性，支持实时原位分析	NA	优化小麦粉的质量控制与安全评估，为食品工业提供快速、可靠、可持续的分析系统	小麦粉及小麦基制品	机器学习	NA	近红外光谱，中红外光谱	深度学习	光谱数据	NA	NA	NA	预测精度，稳健性	NA
7510	2026-03-10	Artificial intelligence streamlines scientific discovery of drug-target interactions 2026-Apr, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.17427 PMID:39843168	综述	本文综述了人工智能技术在药物靶点相互作用预测中的应用	系统性地概述了AI在DTI预测中的最新方法，包括经典机器学习、深度学习和基于网络的方法，并指出了当前挑战和未来方向	作为一篇综述文章，未提出新的实验数据或模型，主要基于现有文献进行总结	探讨人工智能如何简化药物发现过程中的药物靶点相互作用预测	药物靶点相互作用	机器学习	NA	NA	经典机器学习, 深度学习, 基于网络的方法	NA	NA	NA	NA	NA	NA
7511	2026-03-10	Reinforcement Learning-Based Sequential Parameter Tuning for Image Signal Processing 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3642837 PMID:41379910	研究论文	本文提出了一种基于强化学习的图像信号处理（ISP）参数顺序调优方法，以自动化传统上依赖专家手动调整的耗时过程	首次将硬件ISP参数调优建模为顺序优化问题，并分别提出了基于单智能体强化学习（SARL-ISP）和协作多智能体强化学习（MARL-ISP）的框架，其中MARL-ISP通过序列化参数调优模块（SPTM）和特征选择模块（FSM）探索了ISP模块顺序结构及参数间耦合关系的影响	未明确说明模型在极端光照或噪声条件下鲁棒性，也未讨论计算复杂度及实时性是否满足硬件部署要求	自动化图像信号处理（ISP）参数调优过程，提升图像质量并优化下游计算机视觉任务性能	硬件ISP处理模块及其可调参数	计算机视觉	NA	强化学习（RL）	强化学习智能体（单智能体及多智能体）	RAW图像，RGB图像	未明确说明具体样本数量，仅提及使用最小训练数据	未明确说明	SARL-ISP, MARL-ISP（包含序列化参数调优模块SPTM和特征选择模块FSM）	定量指标（未具体说明），定性评估	NA
7512	2026-03-10	Unveiling Fine-Grained Deceptive Patterns in Multimodal Fake News: An Explainable Neuro-Symbolic Framework With LVLMs 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3642831 PMID:41379920	研究论文	本文提出了一种可解释的神经符号框架GE-NSLM，用于检测多模态假新闻中的细粒度欺骗模式	从解释假新闻如何被制造的角度出发，预先定义了四种欺骗模式，并首次将大型视觉语言模型与神经符号模型结合，提供可解释的检测结果	未明确说明模型在处理新兴或复杂欺骗模式时的泛化能力，也未讨论计算效率问题	开发一个既能准确检测多模态假新闻，又能解释其制造背后深层原理的可解释性框架	多模态假新闻（包含图像和文本）	自然语言处理,计算机视觉	NA	NA	神经符号模型,大型视觉语言模型	多模态数据（图像和文本）	NA	NA	GE-NSLM（一种神经符号潜在模型）	NA	NA
7513	2026-03-10	Handwritten Text Recognition: A Survey 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3646002 PMID:41411365	综述	本文对从早期启发式方法到现代深度学习模型的演进进行了全面调查，并提供了统一框架来评估研究方法、基准测试进展、关键数据集及文献结果	提出了一个统一框架来分类手写文本识别研究，并系统梳理了从词级到文档级的技术演进路径	作为综述文章，未提出新的算法模型，主要基于现有文献进行分析归纳	系统梳理手写文本识别领域的技术演进、研究方法和未来方向	手写文本识别模型、数据集和评估方法	模式识别	NA	深度学习	神经网络	手写文本图像	NA	NA	NA	NA	NA
7514	2026-03-10	DSwinIR: Rethinking Window-Based Attention for Image Restoration 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3646016 PMID:41418006	研究论文	本文提出了一种新的注意力机制——可变形滑动窗口注意力（DSwin Attention），用于图像恢复任务	引入了基于令牌和内容感知的范式，通过可变形滑动窗口注意力机制超越传统的网格和固定窗口划分，增强了跨窗口特征交互和感受野	NA	改进图像恢复中基于窗口的自注意力机制，以提升模型性能	图像恢复任务	计算机视觉	NA	NA	Transformer	图像	NA	NA	DSwinIR, GridFormer	dB（信噪比提升）	NA
7515	2026-03-10	Jo-SNC: Combating Noisy Labels Through Fostering Self- and Neighbor-Consistency 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3646737 PMID:41428907	研究论文	提出一种名为Jo-SNC的噪声鲁棒方法，通过联合样本选择和基于自一致性及邻域一致性的模型正则化来应对标签噪声问题	提出联合样本选择和模型正则化的噪声鲁棒方法，引入Jensen-Shannon散度衡量样本清洁度，设计自适应阈值方案，并采用三元组一致性正则化提升模型性能	未明确说明方法在极端噪声比例或特定数据分布下的性能边界，实验主要基于基准数据集	解决监督深度学习中的标签噪声问题，提升模型在噪声环境下的鲁棒性	带有噪声标签的监督学习数据	机器学习	NA	NA	深度网络	NA	多个基准数据集（未指定具体数量）	NA	NA	NA	NA
7516	2026-03-10	Deep Learning-Based Detection of Periodontal Infrabony and Furcation Defects on Periapical Radiographs: A Feasibility Study 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.109380 PMID:41544585	研究论文	本研究探索了基于深度学习的对象检测模型在根尖片上自动检测和分类牙周骨缺损的可行性	首次将YOLOv8对象检测模型应用于根尖片上牙周骨缺损的详细分类，包括一壁缺损、多壁缺损、火山口样缺损和根分叉病变	数据集存在不平衡问题，且二维成像本身存在固有局限，导致模型对较小或影像学上模糊的缺损检测困难	评估人工智能辅助对象检测模型在牙周骨缺损分类中的可行性和性能	根尖片上显示的牙周骨缺损	计算机视觉	牙周病	深度学习	CNN	图像	581张包含至少1处牙周骨缺损的根尖片图像（来自总共7464张图像）	NA	YOLOv8l	平均精度均值, 精确率, 召回率	NA
7517	2026-03-10	A Multimodal Model for Caries Screening Using Intraoral Images and Questionnaires 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109420 PMID:41650828	研究论文	本研究开发了一种结合口内图像和问卷数据的多模态深度学习模型，用于儿童龋齿筛查，并与仅使用图像的单一模态模型进行性能比较	通过整合口内图像和问卷数据构建多模态模型，提高了早期龋齿的召回率，同时保持了整体诊断性能，并利用SHAP分析增强了模型决策的可解释性	需要进一步的大规模、多中心验证以确认其普适性和有效性	开发用于儿童龋齿筛查的多模态深度学习模型	儿童的口内图像和口腔健康问卷数据	计算机视觉	龋齿	深度学习	深度学习模型	图像, 文本	7671张图像（3913张咬合面图像和3758张光滑面图像）	NA	NA	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
7518	2026-03-10	An attention-driven framework for drug repurposing against human metapneumovirus: Integrating predictive modeling with docking validation 2026-Apr, Antiviral research IF:4.5Q1 DOI:10.1016/j.antiviral.2026.106366 PMID:41763407	研究论文	本研究提出了一种基于注意力机制的框架，用于预测针对人类偏肺病毒（HMPV）的药物再利用候选物，并通过对接验证进行强化	引入了基于注意力机制的机器学习与深度学习方法，结合对接研究，以预测现有药物对HMPV的再利用潜力	当样本数量较少时，注意力方法的性能可能受限；预测结果需进一步实验室验证	通过计算药物再利用策略，发现针对人类偏肺病毒（HMPV）的潜在治疗药物	人类偏肺病毒（HMPV）及其潜在药物候选物，如tilorone和oseltamivir	机器学习	呼吸道病毒感染	计算药物再利用，对接研究	注意力机制模型	药物数据集	NA	NA	注意力架构	NA	NA
7519	2026-03-10	Developing Evolving Adaptability in Biological Intelligence: A Novel Biologically-Inspired Continual Learning Model for Video Saliency Prediction 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3643517 PMID:41385441	研究论文	本文提出了一种受生物启发的持续学习模型，用于视频显著性预测，旨在平衡记忆稳定性与学习可塑性	受海马体和果蝇γMB系统启发，设计了视觉显著性记忆库模块和主动遗忘策略，以显式存储旧任务特征并增强对新任务的适应能力	未明确说明模型在极端动态场景或大规模任务增量设置下的性能边界	解决视频显著性预测任务中的灾难性遗忘问题，并实现记忆稳定性与学习可塑性的更好平衡	动态场景中的人类注意力预测	计算机视觉	NA	持续学习	生物启发持续学习模型	视频	多个基准数据集（未指定具体数量）	NA	BICL（生物启发持续学习模型）	NA	NA
7520	2026-03-10	IALA-LNN: Deep Learning for Peptide Retention Time Prediction Based on Improved Artificial Lemming Algorithm-Optimized Liquid Neural Networks 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02548 PMID:41701342	研究论文	本文提出了一种基于改进人工旅鼠算法优化的液态神经网络框架IALA-LNN，用于准确预测肽段在液相色谱中的保留时间	首次将受常微分方程状态演化控制的液态神经网络应用于肽段保留时间预测，并结合了改进的人工旅鼠算法进行超参数优化，有效捕获了肽序列的复杂顺序依赖性	未明确提及模型在不同实验室或色谱系统间的泛化能力，也未讨论对非标准或修饰肽段的预测性能	提高液相色谱-串联质谱蛋白质组学中肽段保留时间预测的准确性，以增强肽段鉴定的可靠性	肽段序列及其在反相色谱、强阳离子交换色谱和亲水相互作用色谱中的保留时间	机器学习	NA	液相色谱-串联质谱	液态神经网络	序列数据	NA	NA	ESM-2, ProtT5, 液态神经网络	R², 平均绝对误差	NA